科學(xué)家創(chuàng)建了一個(gè)能夠從頭開(kāi)始生成人造酶的人工智能（AI）系統(tǒng)。在實(shí)驗(yàn)室測(cè)試中，盡管人工生成的氨基酸序列與任何已知的天然蛋白質(zhì)存在顯著差異，但其中一些酶與自然界中發(fā)現(xiàn)的酶一樣有效。相關(guān)研究成果1月26日發(fā)表于《自然-生物技術(shù)》。

圖片來(lái)源：IAN C. HAYDON

該實(shí)驗(yàn)表明，雖然自然語(yǔ)言處理是為讀寫語(yǔ)言文本開(kāi)發(fā)的，但至少可以學(xué)習(xí)一些生物學(xué)的基本原理。Salesforce Research公司開(kāi)發(fā)了名為ProGen的AI程序，使用下一代標(biāo)記預(yù)測(cè)將氨基酸序列組裝成人造蛋白質(zhì)。

科學(xué)家表示，這項(xiàng)新技術(shù)可能比獲得諾貝爾獎(jiǎng)的蛋白質(zhì)設(shè)計(jì)技術(shù)——定向進(jìn)化更為強(qiáng)大，它將加速新蛋白質(zhì)的開(kāi)發(fā)，為已有50年歷史的蛋白質(zhì)工程領(lǐng)域注入活力。這些新蛋白質(zhì)幾乎可以用于從疾病治療到降解塑料的任何領(lǐng)域。

“人工設(shè)計(jì)的性能比受進(jìn)化過(guò)程啟發(fā)的設(shè)計(jì)表現(xiàn)得更好?！痹撗芯孔髡咧弧⒚绹?guó)加州大學(xué)舊金山分校藥學(xué)院生物工程和治療科學(xué)教授James Fraser表示，語(yǔ)言模型正在學(xué)習(xí)進(jìn)化的各個(gè)方面，但它不同于正常的進(jìn)化過(guò)程?！拔覀儸F(xiàn)在能夠針對(duì)特定效果調(diào)整這些屬性的生成，例如非常耐熱或喜歡酸性環(huán)境，不會(huì)與其他蛋白質(zhì)相互作用的酶。”

為了創(chuàng)建這個(gè)模型，科學(xué)家只需將2.8億種不同蛋白質(zhì)的氨基酸序列輸入機(jī)器學(xué)習(xí)模型，并讓它在幾周內(nèi)消化信息。然后，他們使用來(lái)自5個(gè)溶菌酶家族的56000個(gè)序列，以及有關(guān)這些蛋白質(zhì)的上下文信息對(duì)模型進(jìn)行微調(diào)。

該模型迅速生成了100萬(wàn)個(gè)序列。研究團(tuán)隊(duì)根據(jù)它們與天然蛋白質(zhì)序列的相似程度，以及AI蛋白質(zhì)的潛在氨基酸“語(yǔ)法”和“語(yǔ)義”的自然程度，選擇了100個(gè)序列進(jìn)行測(cè)試。

在第一批由Tierra生物科學(xué)公司體外篩選的100種蛋白質(zhì)中，該團(tuán)隊(duì)制作了5種人工蛋白質(zhì)用于細(xì)胞測(cè)試，并將其活性與雞蛋清中發(fā)現(xiàn)的一種酶（雞蛋清溶菌酶，HEWL）進(jìn)行了比較。在人類的眼淚、唾液和牛奶中也發(fā)現(xiàn)了類似的溶菌酶，它們可以抵御細(xì)菌和真菌。

其中兩種人工酶能夠分解細(xì)菌的細(xì)胞壁，其活性與HEWL相當(dāng)。但它們的序列只有約18%相同，這兩個(gè)序列與任何已知蛋白質(zhì)的相似性分別為90%和70%。

天然蛋白質(zhì)中的一個(gè)突變就能使其停止工作。但在另一輪篩選中，研究小組發(fā)現(xiàn)，即使只有31.4%的序列與任何已知的天然蛋白質(zhì)相似，AI生成的酶仍顯示出活性。

AI甚至能夠通過(guò)研究原始序列數(shù)據(jù)了解酶如何形成。X射線晶體學(xué)測(cè)量顯示，人造蛋白質(zhì)的原子結(jié)構(gòu)看起來(lái)和它們應(yīng)該有的樣子一樣，盡管這些序列是前所未有的。

2020年，Salesforce Research基于研究人員最初開(kāi)發(fā)用于生成英語(yǔ)文本的一種自然語(yǔ)言編程開(kāi)發(fā)了ProGen。他們從之前的工作了解到，人工智能系統(tǒng)可以自學(xué)語(yǔ)法和單詞的含義，以及其他使寫作井井有條的基本規(guī)則。

“當(dāng)你用大量數(shù)據(jù)訓(xùn)練基于序列的模型時(shí)，它們?cè)趯W(xué)習(xí)結(jié)構(gòu)和規(guī)則方面確實(shí)非常強(qiáng)大，能夠了解哪些詞可以同時(shí)出現(xiàn)，以及組合性。”該研究通訊作者之一、Salesforce Research人工智能研究主管Nikhil Naik說(shuō)。

對(duì)于蛋白質(zhì)，設(shè)計(jì)選擇幾乎是無(wú)限的。溶菌酶和蛋白質(zhì)一樣小，最多約有300個(gè)氨基酸。但是有20種可能的氨基酸，這樣就有20300種可能的組合。鑒于無(wú)限的可能性，該模型能夠如此輕松地產(chǎn)生酶是非常了不起的。

該研究第一作者、Profluent Bio創(chuàng)始人Ali Madani說(shuō)：“從頭開(kāi)始生成功能性蛋白質(zhì)的能力表明，我們正在進(jìn)入蛋白質(zhì)設(shè)計(jì)的新時(shí)代。對(duì)于蛋白質(zhì)工程師來(lái)說(shuō)，這是可用的多功能新工具，我們期待看到它的治療應(yīng)用?！?

（作者 辛雨）